改进HSR-FCN的服装图像识别分类算法研究

目前网络上的服装图像数量增长迅猛，对于大量服装图像实现智能分类的需求日益增加。将基于区域的全卷积网络（Region-Based Fully Convolutional Networks，R-FCN）引入到服装图像识别中，针对服装图像分类中网络训练时间长、形变服装图像识别率低的问题，提出一种新颖的改进框架HSR-FCN。新框架将R-FCN中的区域建议网络和HyperNet网络相融合，改变图片特征学习方式，使得HSR-FCN可以在更短的训练时间内达到更高的准确率。在模型中引入了空间转换网络，对输入服装图像和特征图进行了空间变换及对齐，加强了对多角度服装和形变服装的特征学习。实验结果表明，改进后的HSR-FCN模型有效地加强了对形变服装图像的学习，且在训练时间更短的情况下，比原来的网络模型R-FCN平均准确率提高了大约3个百分点，达到96.69%。     

茶意悠悠

迢迢千里之外,学生捎了一斤茶叶给我,并且带话要我一定留下饮用,切勿转赠他人。茶叶装在牛皮纸袋里,纸袋上只是用绿色油墨印着茶叶的名称、商标、产地等必要的信息,素得几近土气。里面的茶叶是用薄一点儿的牛皮纸分装成两包,手工包制的。四四方方的两包茶,形状、大小乃至纸张折叠出的线条和棱角都几乎一模一样,看起来打包者的手工非凡。纸袋拎起来轻飘飘的,因为除了两层纸就只有茶叶。我把其中的一包拿在手里,尚未抵近脸庞,一股氤氲之气便迎面而来,待我将其放回袋中,手上已然留有余香……     

以MOFs为模板制备TMO/C复合材料 在锂离子电池中的应用

商用负极材料石墨理论比容量较低,无法满足市场的需求,发展具有更高比容量的负极材料来替代石墨至关重要.介绍了过渡金属氧化物(TMO)和金属-有机框架(MOFs)的特点及锂离子电池负极材料性能改进的方法,综述了以MOFs为前驱体制备TMO/C复合材料作为锂离子电池负极的优点及研究进展,并对此类负极材料的发展趋势进行了总结与展望.     

基于SCAE⁃ACGAN的直升机行星齿轮裂纹故障诊断

直升机行星传动轮系结构复杂、工况多变,其振动信号受工况影响大,在故障样本较少的情况下导致行星齿轮箱故障诊断准确率不高,早期故障诊断困难。针对上述问题,提出将堆栈收缩自动编码网络(stacked contractive autoencoder,简称SCAE)与辅助分类生成式对抗网络(auxiliary classifier generative adversarial networks,简称ACGAN)相结合的SCAE-ACGAN故障诊断方法。ACGAN的生成器产生与真实样本具有类似分布的生成样本,扩展训练样本集,并与真实样本一起输入至判别器进行训练。ACGAN采用SCAE作为判别器,利用SCAE良好的抗数据波动能力,从扩展样本集中挖掘出有效的深度特征,并实现样本的真伪与类别的判定。ACGAN的判别器和生成器在对抗学习训练机制下交替优化,提高方法的样本生成质量与故障判定能力。将SCAE-ACGAN应用于直升机行星轮裂纹故障诊断,结果表明,SCAE-ACGAN的故障诊断性能好,在样本数量少与工况变化情况下具有较好的健壮性和适应性。     

抽油杆管偏磨防治措施探讨

油田开采时间越长,抽油杆偏磨越严重,会对油田开采带来不利影响。因此,国内外针对抽油杆管偏磨问题进行了大量研究,也获得了很多研究成果,提出了一些防治抽油杆管偏磨的措施。然而目前抽油杆管偏磨机理还有待深入研究,很多防偏磨措施存在不适用的情况,防偏磨效果经常达不到预期。因此,需要就抽油杆管防偏磨问题进行深入研究,以提高抽油杆管偏磨防治效果。     

基于多任务目标检测的条形码倾斜矫正算法研究

条形码识别技术在日常工作中发挥着巨大作用,尤其是在智能物流包裹分拣领域。该技术主要分为三个部分:条形码检测、矫正和译码。目前条形码检测和译码技术较为成熟,而在条形码倾斜矫正技术上研究效果一般。为提升条形码矫正效果,设计一种矫正算法。先对条形码倾斜程度进行分类,再进行角度回归,有效降低条形码矫正任务难度;并将该算法与单阶段检测器融合构成多任务目标检测算法,协同促进发挥检测和矫正的作用。实验表明:余弦距离角度损失函数更加适合角度回归任务,针对条形码倾斜程度分类有助于提升条形码矫正效果。与其他相关算法对比,该算法在矫正准确率、实际译码率和速度上均取得最优的效果。